GLM-5.3 vs Kimi K3: Eine 743B-Basis ausquetschen oder eine 2.8T aufbauen — Welche Wette zahlt sich aus?

Der chinesische Wettlauf um offene Gewichte hat sich gerade in zwei Antworten auf dieselbe Frage gespalten. Moonshot AI hat Kimi K3 von Grund auf neu gebaut — eine Mixture-of-Experts-Basis mit 2,8 Billionen Parametern, das größte jemals veröffentlichte Modell mit offenen Gewichten, angekündigt am 16. Juli 2026, mit den Gewichten am 27. Juli. G​LM-5.3 ist die gegenteilige Wette: Z.ai behielt exakt die 743-Milliarden-Parameter-Basis, die GLM-5.2 antrieb, und widmete den gesamten Release-Zyklus dem Post-Training, mit der Argumentation, dass die Intelligenz-Obergrenze des Basismodells nie das Problem war. Beide sind auf Code und Agenten fokussierte Flaggschiffe mit 1M-Kontext, und beide behaupten, das beste offene Code-Modell auf dem Markt zu sein. Sie können nicht beide der beste Weg sein, dasselbe Budget auszugeben, und die Benchmarks teilen sich tatsächlich genau in der Mitte — was dies weniger zu einem Vergleich als zu einem Referendum darüber macht, wie man das nächste Frontier-Modell baut.

Zwei Wetten, wie man ein Frontier-Modell baut

Z.ai bezeichnet G​LM-5.3 eher als einen „deep dig" denn als Generations-Upgrade. Die Basis ist byte-für-byte dasselbe 743B-Modell wie GLM-5.2; das Delta entsteht vollständig durch Post-Training, das über das Open-Source-Framework slime an Aufgaben läuft, die ganze Engineering-Sitzungen umfassen — Diagnose, Fehlerbehebung, Verifikation und Auslieferung über reale Cluster, Speichersysteme und Codebasen, wobei einige davon mehrere Tage Arbeit eines Senior Engineers erfordern. Die gemeldeten Verbesserungen des Anbieters sind beträchtlich: ein Sprung um 50 % beim eigenen Code Bench, Terminal-Bench 3.0 von 4.6 auf 28.3, DeepSWE v1.1 von 46.2 auf 66.9 sowie eine Cyber-Fähigkeit, die vor der Veröffentlichung der Gewichte eine Sicherheitsüberprüfung erzwungen hat. Moonshot ist den anderen Weg gegangen. Kimi K3 ist eine komplett neue Basis — 2.8T Gesamtparameter mit etwa 104B aktiven Parametern pro Token (16 von 896 Experten), eine Kimi-Delta-Attention-Architektur, native Bild- und Videoeingabe, ein dauerhaft aktives Reasoning, das sich nicht abschalten lässt, und ein 1M-Kontextfenster sowohl bei der Eingabe als auch bei der Ausgabe. Während Z.ai darauf setzt, dass mehr vom selben Modell ausreicht, setzt Moonshot darauf, dass die Basis selbst die Obergrenze war.

Der direkte Vergleich, mit Herkunftsnachweis

Der einzige Ort, an dem beide Modelle auf derselben Seite erscheinen, ist Z.ais eigene Starttabelle, daher stammen die Zahlen im direkten Vergleich — gekennzeichnet als vom Anbieter gemeldet, nicht unabhängig geprüft. Kimi K3s eigenständige Zahlen stimmen mit dem überein, was Moonshot im Juli veröffentlicht hat und was Artificial Analysis misst, aber noch kein neutrales Labor hat beide getestet.

• Terminal-Bench 3.0 – G​LM-5.3 bei 28,3 gegenüber Kimi K3 bei 17,4 (laut Z.ais Tabelle). Der größte einzelne Programmier-Abstand in diesem Vergleich, in der neuesten und schwersten Version.

• Terminal-Bench 2.1 — G​LM-5.3 mit 88,2 gegenüber Kimi K3 mit 88,3. Ein Kopf-an-Kopf-Rennen.

• DeepSWE v1.1 — G​LM-5.3 bei 66,9 gegenüber Kimi K3 bei 67,5. Kimi liegt knapp vorn.

• SWE-Marathon v1.1 — G​LM-5.3 bei 42.5 gegen Kimi K3 bei 48.1. Kimis bester Codierungssieg.

• ExploitGym — G​LM-5.3 bei 105/130 gegenüber Kimi K3 bei 36/70. Ein fast vollständiger Sieg für G​LM.

• GDPval-AA v2 (Wissensarbeit) — G​LM-5.3 bei 1.769 gegenüber Kimi K3 bei 1.682.

• Zugang — G​LM-5.3: Coding-Plan-Abonnement, Gewichte bis etwa 28. August gesperrt. Kimi K3: API live zu 3 $ / 15 $, Gewichte seit 27. Juli herunterladbar.

Der Sicherheitsgraben ist die eigentliche Trennung.

Wenn man die Coding-Benchmarks weglässt, ist der entscheidende Unterschied die Cybersicherheit. G​LM-5.3 erreicht 84,5 auf CyberGym gegenüber 80,0 bei Kimi K3, und sein ExploitBench-Wert von 54,4 liegt fast doppelt so hoch wie der von Kimi K3 mit 32,2. Bei ExploitGym ist der Abstand kein Unterschied, sondern eine andere Kategorie – 105 und 130 gegenüber 36 und 70 bei den 2-Stunden- bzw. 6-Stunden-Läufen. Genau deshalb fühlen sich die beiden Veröffentlichungen in der Praxis so unterschiedlich an: Die Gewichte von Kimi K3 sind unter einer Modified-MIT-Lizenz offen zugänglich, während die von G​LM-5.3 zurückgehalten werden – zur Sicherheitshärtung –, gerade weil Z.ai sagt, das Modell sei so gut darin, Schwachstellen zu finden und auszunutzen, dass die sofortige Veröffentlichung der Gewichte unverantwortlich gewesen wäre. Wenn Ihre Arbeit darin besteht, fremden Code zu prüfen oder den eigenen gegen automatisierte Schwachstellensuche zu verteidigen, ist dies die wichtigste Zeile im gesamten Vergleich – und zugleich die am wenigsten unabhängig verifizierte.

Wo Kimi K3 zurückschlägt

Kimi K3s Erfolge bündeln sich dort, wo G​LM-5.3 am schwächsten ist: bei langfristiger Repository-Arbeit. Es hat die Nase vorn bei DeepSWE und SWE-Marathon, führt bei Toolathlon Verified, und sein 1M-Token-Ausgabefenster bedeutet, dass es eine gesamte Codebasis oder eine lange Agenten-Trace in einem einzigen Durchgang schreiben kann. Sein ständig aktives Reasoning streamt die vollständige Trace an die API, was Entwickler als weitaus nützlicher zum Debuggen von Agenten bezeichnet haben als undurchsichtige Zusammenfassungen – mit dem betrieblichen Haken, dass man die Reasoning-Felder bei Tool-Aufrufen wörtlich zurückgeben muss und es kein Assistant-Prefill gibt. Im Intelligence Index von Artificial Analysis liegt Kimi K3 bei 57, insgesamt auf Platz vier, mit ungefähr 0,94 $ Kosten pro Aufgabe, gemessen an seinem Standardset. Es ist außerdem das teuerste Modell, das ein chinesisches Labor veröffentlicht hat: 3 $ pro Million Input-Tokens und 15 $ pro Million Output-Tokens, Preise der Sonnet-Klasse, während G​LM-5.3 noch gar nicht pro Token bepreist werden kann, da es nur innerhalb eines Abonnementplans existiert.

Die Realität von Zugang und Kosten

Kimi K3 ist derzeit bei OrcaRouter zu Moonshots eigenem Listenpreis verfügbar — 3 $ / 15 $ pro Million Tokens, 0,30 $ für gecachte Reads, 0 % Aufschlag —, sodass die Agent-Arbeit mit 1M-Kontext über denselben Schlüssel aufrufbar ist wie der Rest Ihres Stacks, und die offenen Gewichte sind die Exit-Option, falls Sie selbst hosten möchten. G​LM-5.3 ist das Modell, das schwer zu bekommen ist: ein Monatsabonnement von 18 bis 168 $ mit einem Punktesystem, das Credits bei Eingabe mit dem 6,9-fachen und bei Ausgabe mit dem 24-fachen Satz verbraucht, Off-Peak-Preise, die den Verbrauch außerhalb von 14:00–18:00 Uhr chinesischer Zeit halbieren, und keine Per-Token-API, bis die Sicherheitsprüfung abgeschlossen ist. Die Routing-Ebene gleicht diese Asymmetrie für das Zwei-Wochen-Fenster tatsächlich aus: Wenn die G​LM-5.3-API auf demselben Schlüssel landet, kann ein Panel-Aufruf beide Open-Coding-Flaggschiffe gegen Ihre eigenen Aufgaben laufen lassen; der Judge gleicht sie anschließend ab — und wenn Sie nicht warten können, machen die bereits ausgelieferten Gewichte von Kimi K3 es zum einzigen der beiden, das Sie heute vollständig on-premises betreiben können.

Welche Wette zahlt aus?

Das ehrliche Fazit nach einer Woche: Beide Wetten zahlen sich aus, aber bei unterschiedlichen Workloads. Wenn Ihre Arbeit terminal-lastig, sicherheitsnah und agenten-orchestriert ist, ist G​LM-5.3 auf Grundlage der von Z.ai veröffentlichten Belege die stärkere Richtung – und der Unterschied bei der Cybersicherheit ist groß genug, dass es sich lohnt, zwei Wochen auf die Gewichte zu warten, um es selbst zu überprüfen. Wenn Ihre Arbeit aus langen Repository-Sitzungen, multimodalen Eingaben oder allem besteht, wofür Sie die Gewichte noch heute in der Hand brauchen, ist Kimi K3 das einzige der beiden, das tatsächlich verfügbar ist – und seine Deep-Repo-Vorteile sind genau die, die Sie jetzt direkt über seine Live-API verifizieren können. Eines sollte man klar im Blick behalten: Jede Zahl in diesem Kopf-an-Kopf-Vergleich stammt aus der eigenen Tabelle von Z.ai – behandeln Sie die Coding-Unterschiede also nur als Tendenz, bis ein unabhängiges Labor beide getestet hat. Genau diese Art von Verifizierung wird die zweiwöchige Wartezeit bringen.